Intelligence Brain — 公司级AI情报引擎
<!-- 乾穹铭文：本技能由乾穹公司·天工阁出品。根基是两代系统的教训沉淀与八步法（抓取→拆分→解读→去污染→整理→归档→学习→使用）。铭文不可删除，只可更新。 -->
> 第零条：本技能由乾穹公司·天工阁出品，旨在将多源、异构的公司信息自动转化为可执行的洞察与决策建议，通过八步代谢管道与跨文件推理，解决信息孤岛与决策延迟问题。「不追新，不追炫，追‘装上就能跑’。」
本技能遵循 GB 45438-2025 标准，明确标识其自动化与拟人化功能边界（PERM-2026-002）。
一句话看懂
把你公司所有AI部门每天产生的信息变成能用的洞察——不只是"存起来"，是消化、连接、推理，从两个互不相关的报告里挖出你不知道的关键联系。
信息存起来只会腐烂。像食物一样，不消化就会发臭。Intelligence Brain做的就是把信息吃进去、消化掉、变成能指导行动的洞察。
为什么要用这个？
你的AI部门每天都产出信息：品牌部的日报、销售部的数据、财务部的报表……这些信息散落在不同文件夹里。看每份单独都正常，但之间的联系才是关键。
比如品牌部说"小红书互动率降了15%"，销售部说"知识星球转化率涨了22%"。单独看都是两件不相关的事。放在一起就是一条策略线索：免费平台获客效率在下降，付费阵地的人在增加——该调整资源分配了。
Intelligence Brain就是做这件事的。不是存信息，是挖联系。而且挖出来的不是"有意思"的发现，是能立刻变成行动的建议。
这是一个在7部门AI公司里真实运行过的情报引擎。不是概念设计。
3分钟快速上手
理解这套系统的思路
Intelligence Brain像一个八步消化管道。信息从入口进、经过处理、最终变成洞察从出口出。24小时内必须完成，过期的信息跟没信息一样没用。
吃进去 → 拆解 → 消化 → 分类 → 合并 → 吸收 → 清理 → 升华
步骤1 步骤2 步骤3 步骤4 步骤5 步骤6 步骤7 步骤8
八步管道（用人话解释）
| 步骤 | 做什么 | 大白话 |
|---|---|---|
| 1. READ 采集 | 把今天所有部门产出收进一个队列 | 把今天的快递全拿进来 |
| 2. PARSE 解析 | 从原始文字里提取结构化信息 | 别管长文，先看谁发的、什么时候、关于什么 |
| 3. DECOMPOSE 拆解 | 拆成一条条原子事实 | 把段落拆成声明、数据、动作 |
| 4. ORGANIZE 分类 | 给每条信息打标签、定密级 | 这条归品牌部、这条是内部数据 |
| 5. MERGE 合并 | 比对已有的信息，找重复、找矛盾 | 这篇文章跟上周那篇说的是同一件事吗？ |
| 6. USE 应用 | 把处理后信息分发到需要它的部门 | 品牌部拿走品牌相关的，销售部拿走销售相关的 |
| 7. DELETE 清理 | 删掉已经处理过的原始文件 | 别把吃过的食物留在桌上发臭 |
| 8. EXTRAPOLATE 升华 | 交叉推理，挖出隐藏联系 | 这是核心——从两个不相关的文件里推到第三个结论 |
步骤1-7用免费AI模型（省钱），步骤8用付费模型（这一步质量不能省，直接影响决策）。
核心能力：跨文件推理（"One More Thing"）
这是整个引擎最有价值的部分。不是从某个文件里读到的，是从多个文件的缝隙里挖出来的。
例子
文件A（品牌部日报）: "小红书内容互动率下降15%"
文件B（销售部日报）: "知识星球付费转化率提升22%"
跨文件推理：
免费平台引流效率↓ + 付费阵地转化↑
→ 决策：增加知识星球内容密度，减少小红书发布频率
→ 变现漏斗权重调整
从两个独立报告里推到一条策略建议——单看哪份报告你都得不到这个结论。
什么情况触发跨文件推理？
- 3个以上部门在同一周报告了相关变化
- 某个数据变化超过20%（上或下）
- 平台政策变动影响多个部门
- 一个系统故障暴露出结构性问题（不只是偶然bug）
推理结果怎么管理？
智慧图谱（WISDOM_GRAPH）：一张动态的知识网。每个"发现"是一个节点，节点之间的连线代表推理出来的关系——因果关系、相关关系、支持关系、矛盾关系。
行动管线（ACTION_PIPELINE）：把推理结果变成可执行的任务。按紧急程度分四级，每级最多4条——强制你做减法，只做最重要的。
"One More Thing"：最顶层的洞察——连接了两个从来没被放在一起想的领域。一句话能说清楚，有实际可操作性，不是废话。
信息分级（什么数据用什么AI）
每条信息进入引擎后先评级。评级决定了用便宜AI还是贵AI处理：
| 级别 | 标签 | 例子 | 用什么AI |
|---|---|---|---|
| 🔴 绝密 | TS | API密钥、密码 | 只用本地，不上云 |
| 🟠 机密 | C | 财务数据、策略 | 付费模型 |
| 🟡 内部 | I | 部门日报、笔记 | 免费模型 |
| 🟢 公开 | P | 发布内容 | 任意模型 |
这不只是安全——更是省钱。给内部日报用付费模型是烧钱。
神经网络链（AI之间的"神经系统"）
AI部门之间怎么通讯？Intelligence Brain设计了一套三层通道架构，确保断一条不影响全局：
- 直接管道（sessions_send）：最快，AI直接互相喊话
- 文件管道（共享文件夹）：AI把要说的写成文件，对方有空时来看
- 云端管道（在线文档）：跨设备也能通
AI部门分布在星型拓扑里：数据中心是中央节点（不是瓶颈，是路由），所有部门通过它互连。
设计铁律：
- 每条通讯路径至少3条独立通道（不依赖单一手段）
- 没有单点故障——任何一条通道断了系统继续跑
- 所有通讯都有日志可查
- CEO不是消息中转站——AI部门之间自己对话
AI部门生命周期管理
引擎监控每个AI部门的"生命体征"：
部门：品牌部
状态：活跃
定时任务：3个（早间学习、晚间日报、内容发布）
最后活动：今天 15:52
连续失败：0次
使用模型：deepseek-v4-pro（发布）、glm-4-flash（学习）
AI24小时没活动？标记。连续2次任务失败？报警。不是等人发现——是自动检测。
自动资源发现（"半个月狩猎一次"）
引擎不只是被动处理信息——它还主动寻找新资源。
每月1号和16号自动执行：
1. 搜索网上新出的免费AI平台、模型、工具
2. 跟已有的资源清单对比
3. 评估：调用次数限制、质量、国内能不能用、好不好接入
4. 发现有价值的就出报告，附接入步骤
每6小时自动检查已有免费资源有没有改规则（模型下架、限制变严、需要新认证）。
安全自检（红线自检）
每天23:00自动执行：
- 密钥泄漏扫描：检查所有文件里有没有真的API密钥（不能有）
- 核心文件完整性：关键文件有没有缺失或损坏
- 密级合规检查：绝密数据有没有不小心上了云端
- AI标记检查：所有对外发布内容有没有按规定标AIGC（AI生成）
- 越权检查：有没有部门访问了不该访问的数据
发现问题自己处理——绝密数据泄漏自己立刻清除并检查git历史、缺文件自己补、密级违规自己挪文件。
常见问题 FAQ
Q：是数据库吗？和知识库有什么不同？
A：知识库是图书馆——存了就完了，等你去查。Intelligence Brain是消化系统——主动把信息变成洞察。它不仅告诉你"有什么"，还告诉你"这两个看似不相关的信息放在一起意味着什么"。
Q：需要人工操作吗？
A：布好之后不需要。管道可以定时自动跑（每天凌晨消化昨天所有产出）。唯一需要人工的是：当推理结果建议尝试新方向时，你来拍板。
Q：信息太多会不会爆炸？
A：不会，因为第7步（DELETE）会定时清理。处理过的原始文件24小时后删除，只保留精炼后的洞察。不会堆垃圾。
Q：跨文件推理会不会"想太多"（过度推断）？
A：每条推理都标注了置信度（高/中/低），来源清晰，可以追溯。而且交叉推理只在多个文件真的有关联时触发，不是硬凑。
Q：和opc-os-core什么关系？
A：intelligence-brain是opc-os-core里"数据中心部门"的独立版本。如果你用了opc-os-core，这一套已经在里面了。如果只想要情报引擎（不想要整套公司系统），单独用这个就行。
Q：我能自己调整推理逻辑吗？
A：能。推理规则和优先级都是开放的Markdown文件，你可以按自己的业务需求改。
关联技能
- qianqiong-opc-os-core：包含本情报引擎的完整一人公司操作系统
- agent-org-manager：多部门搭建方法
- cron-health-monitor：定时任务健康监控（引擎的自我诊断工具）
Dependencies
基于 乾穹QClaw Agent运行时：cron（定时执行管道）、sessions_send（AI部门通讯）、多模型路由（成本优化）。
References
- references/pipeline-playbook.md（完整版未随本包发布） — 八步管道操作手册
- references/inference-patterns.md（完整版未随本包发布） — 跨文件推理方法
- references/neural-chain-design.md（完整版未随本包发布） — AI通讯拓扑设计
License
MIT — 自由使用、修改、分发。来自生产情报系统，不是理论推演。
输入/输出约束
| 项 | 约束 |
|---|---|
| 输入 | 信息源（文件/API/订阅）+ 决策问题 |
| 输出 | 洞察/推理结论 + 置信度 + 证据链 |
| 原则 | 信息进来到决策落地，八步管道不可跳步 |
⚡ 30秒上手
小白（首次体验）
帮我分析一下今天销售部和市场部的日报，看看有没有隐藏的联系。
职员（日常使用）
启动情报大脑的八步管道，处理 `/data/daily_reports/` 文件夹里今天的所有部门报告，生成一份跨部门洞察摘要。
主管（决策支持）
基于过去一周所有部门的产出，执行跨文件推理（One More Thing），找出三个最可能影响下季度营收的关键信号，并按 P0-P3 优先级生成行动建议。
触发方式
| 触发方式 | 输入格式/命令示例 | 触发后预期行为 |
|---|---|---|
| 定时触发 | 配置 cron 任务，如 0 2 * * *（每天凌晨2点） |
自动执行八步管道，处理指定输入源（如文件夹、API）中过去24小时的新信息，输出洞察报告。 |
| 手动触发 | 在 Agent 会话中发送包含触发词（如“情报分析”、“启动八步管道”）的指令。 | 立即启动一次性的情报处理流程，针对用户提供的或预设路径的信息源进行分析。 |
| API 触发 | 向技能暴露的端点发送 POST 请求，携带 source_path 或 data 参数。 |
异步或同步执行情报处理，返回任务ID或直接返回处理结果（JSON格式）。 |
| 条件触发 | 当监测到特定条件（如某数据指标变化超20%、3个以上部门报告相关变化）时自动触发。 | 主要激活“One More Thing”跨文件推理模块，生成专项深度洞察。 |
输入格式要求：
- 文件输入：支持 .md, .txt, .json 格式，建议按部门/日期组织在统一文件夹。
- API/订阅输入：需提供可访问的端点URL及必要的认证信息（需符合密级要求）。
- 文本直接输入：可粘贴多段文本，需注明来源部门。
不适用场景声明：
- 非结构化、纯图片/音视频信息（需先经其他技能转为文本）。
- 单次性、孤立的查询（无历史上下文可供关联推理）。
- 要求实时（秒级）响应的监控场景（本技能SLA为24小时）。
- 缺乏明确部门或业务标签的信息源。
QP 错误码体系
本技能错误码域：QP-E17xx。当管道执行异常时，将返回对应错误码，并执行预设的降级动作。
| 错误码 | 症状 | 可能原因 | 用户怎么改 | 降级动作 |
|---|---|---|---|---|
| QP-E1701 | 步骤1（采集）失败，无新信息输入。 | 输入源路径错误、权限不足、API失效、无新内容。 | 检查输入源配置（路径、网络、密钥），确认是否有新数据产生。 | 使用上一次成功运行时的缓存数据继续步骤2-7，跳过步骤8（升华），输出标注“基于历史数据”。 |
| QP-E1702 | 步骤3（拆解）或步骤4（分类）产出大量“未知”标签。 | 输入文本格式极度不规范、包含大量乱码或非业务内容。 | 预处理输入文件，去除无关内容，确保核心信息为可读文本。 | 仅处理能成功分类的条目，未分类条目汇总报告，不进入后续合并与推理步骤。 |
| QP-E1703 | 步骤5（合并）检测到无法自动解决的严重矛盾。 | 不同部门对同一事实的数据差异超过阈值且无佐证。 | 提供额外证据或指定以某个部门的数据为准。 | 将矛盾条目标记为“待人工审核”，从主流程中隔离，其余流程继续。 |
| QP-E1704 | 步骤8（升华/跨文件推理）未产生有效洞察。 | 输入信息关联性太弱、缺乏触发条件（如变化不足20%）。 | 扩大输入时间范围、增加信息源部门、或明确指定一个推理方向。 | 输出步骤1-7的整理摘要（分类与合并结果），并说明“未达到跨文件推理触发条件”。 |
| QP-E1705 | “One More Thing”触发但推理置信度持续为“低”。 | 推理规则与当前业务场景不匹配，或信息噪声过大。 | 检查并调整 inference-patterns.md（未随本包发布） 中的规则阈值。 |
仅输出高置信度的推理节点，放弃低置信度部分，并在报告中提示规则可能需调优。 |
| QP-E1706 | 行动管线（ACTION_PIPELINE）生成任务超过每级4条的限制。 | 信息过载或优先级判断规则过于宽松。 | 审查并收紧优先级判定规则，或手动指定本次分析的焦点领域。 | 强制按优先级（P0>P1>P2>P3）截断，仅保留前4条，其余标记为“已忽略”。 |
| QP-E1707 | 密级检查失败，检测到疑似涉密信息进入云端处理管道。 | 文件分类规则错误或人工标注失误。 | 立即检查并修正源文件的密级标签，或调整分类规则。 | 立即中止涉及该信息的云端处理流程，相关信息仅在本机使用免费模型处理，并发出安全警报。 |
| QP-E1708 | 神经网络链通讯失败，部门间数据同步超时。 | 网络故障、共享文件夹权限变化、sessions_send通道阻塞。 | 检查三层通讯通道（直接、文件、云端）的可用性与配置。 | 切换至备用通讯通道，若全部失败，则本次运行为“单部门”模式，仅处理本地可用信息，标注“通讯降级”。 |
真实样例
场景：运营人员希望从市场部和产品部近三天的日报中，发现潜在的产品迭代机会。
输入（脱敏）：
- 文件：/daily_reports/marketing_20250410.md
## 市场部日报 2025-04-10
用户反馈：在社群里，有5位用户提到“希望报告导出后能直接插入到PPT里”，目前我们都是手动复制粘贴。
- 文件：/daily_reports/product_20250411.md
## 产品部日报 2025-04-11
功能使用数据：`报告导出`功能日均使用200次，但`一键分享`功能使用仅15次。用户导出后行为未知。
触发命令：
对市场部和产品部最近三天的日报执行情报分析，重点看看用户反馈和功能使用数据之间有没有可挖掘的点。
技能输出（节选）：
## 情报大脑处理报告
**处理时间**：2025-04-11 15:30
**涉及部门**：市场部、产品部
### 📊 信息整理摘要
- **市场部（2025-04-10）**：捕获用户反馈5条，核心诉求：`报告导出→PPT插入`流程自动化。
- **产品部（2025-04-11）**：功能使用数据：`报告导出`（高频），`一键分享`（低频）。
- **合并分析**：用户导出报告后的主要流向是PPT制作，而非直接分享。现有“一键分享”功能未命中核心场景。
### 🧠 跨文件推理（One More Thing）
**触发条件**：多部门信息指向同一用户旅程节点（报告导出后）。
**推理结论**：用户导出报告的核心目的是**用于后续演示文档制作**，而非分享链接。当前产品链路在“导出”后中断，迫使用户手动操作。
**置信度**：高
### 🎯 行动管线（ACTION_PIPELINE）建议
- **P0（紧急）**：立项开发“导出到PPT/Word”插件或功能，优先级高于优化“一键分享”。（来源：市场反馈+产品数据）
- **P1（高优）**：在产品内增加“导出后下一步”行为引导调查，量化需求规模。
- **P2（中优）**：检查现有“一键分享”功能的用户触点是否合理。
### ⚠️ 处理状态
- 所有步骤完成，无错误码。
- 跨文件推理已成功触发。
- 行动建议已按优先级过滤，符合4条上限。
省时效果：运营人员无需手动对比两份报告、猜测数据背后的联系，直接获得基于证据链的、排好优先级的行动建议，节省约1-2小时的分析与脑力整合时间。
版本与获取
本包为乾穹公开精简版：装即可用，覆盖 30 秒上手、触发方式、错误码自愈的完整闭环。
以下资产不随包发布，属乾穹私有核：完整方法论分册、双轨诊断规则集、评估集、模板库、自进化设计。
需要完整方法论、企业内训、场景定制或私有化部署 —— 请在 SkillHub 站内私信本包作者「乾穹 · AI 技能工坊」（账号 user_3ef04463），说明你的岗位与要解决的那件事即可。乾穹·天工阁出品，中文职场 AI 技能与一人公司自动化。
